一種基于知識圖譜技術的多源異構數據融合、共享方法

潘建宏，王磊，樊家樹，張俊茹，董愛迪

（1.國網吉林省電力有限公司，吉林 長春 130010；2.國網遼源供電公司，吉林 遼源 136200；3.國網吉林省電力有限公司信息通信公司，吉林 長春 130010；4.國網白城供電公司，吉林 白城 137000）

數據結構逐漸變得多樣化，其數量和規模迅速增加，逐漸構成了多源異構數據，對多源異構數據進行融合、共享，即合理安排多源異構數據的融合、共享順序，能夠保證相應系統的可靠、穩定運行，對此，相關學者們進行了研究。文獻[1]提出一種群智感知網絡中基于隱私保護的數據融合方法，用于抵抗來自云服務器和惡意用戶的差分攻擊，但是沒有確定共享順序。文獻[2]基于張量表示，提出一種新的域適配遷移學習中的特征表示方法，以縮小域間分布差異和保留樣本間流行一致性，但在該方法中，多源異構數據融合、共享后，能耗較高，處理時間較長。

為了解決上述問題，文中提出了一種基于知識圖譜技術的多源異構數據融合、共享方法。

1 多源異構數據融合

在Internet 上的各種Web 頁面中，由于多源異構數據源、數據調度系統、數據采集與管理中心的復雜性、多樣性等因素，在數據融合過程中，積累了大量的數據源參數。這些數據源參數的存儲方式、模型參數和編碼規則不同，部分數據來自復雜的異構數據庫。數據源參數的多源性和異構性推動了多源異構數據的融合過程[3-6]。

文中通過縱向數據融合和橫向數據融合來實現多源異構數據的融合，這兩種融合方法可以有效縮短融合時間。異構數據融合過程如圖1 所示。

圖1 多源異構數據融合過程

縱向數據融合主要用來降低互聯網中多源異構數據源、數據調度中心的數據差異性，多源異構數據源和數據調度中心可通過縱向數據融合實現多源異構數據的縱向統一。在進行縱向數據融合時，采集多源異構數據參數，采集的途徑為Web Service接口，通過該接口可采集各個來源的多源異構數據參數[7-8]。

以多源異構數據調度中心為例，通過采用知識圖譜技術獲得互聯網中不同網頁的多源異構調度文件，并將其進行歸類和存儲，此時，采集多源異構數據參數的過程就是對多源異構數據中多源數據的融合過程[9-10]。

多源異構數據參數采集完畢后，對不同種類的多源異構數據參數進行匹配，并分析多源異構數據參數間存在差異的原因。在匹配過程中，需要參照多源異構數據源中的參數狀態進行匹配，以此實現不同多源異構數據源與數據參數的融合。與此同時，在匹配過程中，設定縱向數據融合差異度對來源不同的異構數據差異性進行分析。設定Dv,i為第i個多源異構數據參數的融合度：

其中，Xt,i、Xb,i分別為第i個多源異構數據參數的最小值和最大值；為多源異構數據參數的均值。

在互聯網中，異構數據的復雜性較高，在不同的異構數據調度中心，異構數據參數具有不同的融合形式，在進行縱向數據融合時，需要根據融合規則設定參數閾值，以降低異構數據融合形式對數據融合結果的影響[11-12]。

橫向數據融合可以突破縱向數據融合的局限性，實現多源異構數據源與數據調度中心的多源數據參數融合，即可以實現同一來源的異構數據的融合，這與縱向數據融合有本質的區別。橫向數據融合的多源異構數據參數采集步驟與縱向數據參數采集步驟略有不同，在采集多源異構數據參數時，采集的接口為SNMP 接口，這是因為橫向數據融合方式具有較高的差異性，Web Service 接口無法滿足橫向數據的采集需求，不能消除多源異構數據源與數據調度中心的差異性。采集多源異構數據參數后，對橫向數據參數進行匹配，并分析橫向數據參數間存在的差異[13-14]。

2 基于知識圖譜技術的多源異構數據共享

基于知識圖譜技術的多源異構數據共享即將多源異構數據分配至對應的處理器中，與處理器中的數據共享優先權值，多源異構數據共享原理可用下式描述：

引入知識圖譜技術，對多源異構數據進行共享，知識圖譜拓撲結構如圖2 所示。

圖2 知識圖譜拓撲結構

事實上，數據庫中多源異構數據的不同節點位置對應不同的知識圖譜內容，不同的多源異構數據在Web 頁面中的分布不同。收集到一定數量的網頁知識圖譜后，建立異構數據源差異中心，賦予其不同的多源數據結構和多源異構規則，采用相應的數據處理手段處理差異最大的異構數據節點，并顯示網頁中的數據結構信息。

將異構數據的中間節點加載到網絡異構數據庫中，通過搜索多源異構數據源的特征和屬性集關系，得到異構數據的語義，利用數據源的特征數據和結構信息建立多源異構數據共享模型，模型的表達式為：

當多源異構數據節點的平均值為1 時，說明此數據節點上受到數據融合的干擾較為強烈，如果不能判斷干擾的來源，則需進行異構數據差異處理，對多源異構數據進行數據核查。

基于建立的多源異構數據共享模型，實現對多源異構數據的共享，在共享過程中，數據共享的優先權值可作為共享的依據。當共享順序固定時，設定共享的優先權值為有名值和平均值的總和；確定異構數據的開銷權值，開銷權值越大，證明多源異構數據的異構差異性越強，共享的效率越高，開銷權值越小，則多源異構數據的異構差異性越低。在確定共享順序的條件下，可采用提升多源異構數據源優先級的方式提升多源異構數據的共享效率，實現多源異構數據的共享。

3 實驗研究

為了驗證提出的基于知識圖譜技術的多源異構數據融合、共享方法的實際工作效果，將其與文獻[1]方法進行對比實驗。在進行對比實驗前，需要搭建實驗平臺，實驗平臺的構成包括兩臺PC 機，一臺PC機包括多源異構數據源，一臺PC 機為數據調度中心，兩臺PC 機的工作主頻分別為1.8 GHz、3.5 GHz，可存儲4 GB 的多源異構數據，多源異構數據節點的數量設定為50 個。

首先，測試不同方法在進行數據融合以及共享過程中的處理時間。實驗中，給出了某一多源異構數據融合與共享實例如下：設多源異構數據融合、共享過程中有三種多源異構數據節點參與，其中數據節點1 的融合、共享周期為4，數據節點2 的融合軌跡符合泊松分布，其融合率為0.4，相當于每三個融合、共享時間戳將達到一個多源異構數據源節點，全部多源異構數據節點發生融合和共享的時間均設定為2 ms，等待時間均設為1 ms。

其次，通過對數據融合、共享實例的分析可知，由于異構數據優先權值較高，數據節點1 首先進行融合、共享處理，其融合時間為3 ms，到達時間為4 ms，在時間點8 左右到達，共享時間為4 ms，所在的時間點位置為8；數據節點2 的異構數據優先權值在數據融合、共享過程中沒有發生變化，因此按照融合、共享順序進行處理，其融合時間為5 ms，所在的時間點位置為10，在時間點6 時到達，由于時間點位置靠后，因此融合時間為4 ms，共享時間為6 ms；數據節點3 的異構數據優先權值最小，最后一個被處理，其融合時間為3 ms，共享時間為4 ms，到達時間為2 ms。數據節點4 為共享節點，共享時間為4 ms，無等待時間。綜上，三種數據節點的融合時間為11 ms，共享時間為14 ms。

最后，采用文中方法和基于無線傳感器網絡擴展的多源異構數據融合、共享方法進行數據融合和共享，統計兩種方法的綜合融合時間和共享時間，實驗結果如圖3 所示。

圖3 共享時間實驗結果

觀察圖3 可知，共有四個共享節點，文中方法的數據融合時間和共享時間在整體上少于文獻[1]方法消耗的時間，方法的魯棒性更好。

為了保證實驗不存在偶然性，對兩種方法的平均處理時間進行對比，處理時間為數據融合時間與共享時間的總和，平均處理時間的計算公式如下：

式中，μ=,Tservice表示數據融合時間和共享時間的平均值，ρ=表示異構數據處理率。隨著多源異構數據量的不斷增加，兩種方法的處理時間均有所上升，但文中方法的平均處理時間最短，文獻[1]方法的平均處理時間較長，則證明文中方法的數據融合、共享效率較高。

在多源異構數據融合、共享過程中，會產生一定的能耗，能耗低則證明方法對數據融合與共享較為有效，兩種方法在進行數據融合、共享前后產生的能耗對比結果如圖4 所示。

圖4 能量消耗實驗結果

由圖4 能耗結果可知，與文獻[1]方法相比，采用文中方法進行數據融合、共享的處理時間更短，能耗更低。

4 結束語

為了解決多源異構數據融合、共享方法出現的處理時間長、能耗高等問題，文中提出了一種基于知識圖譜技術的多源異構數據融合、共享方法，該方法給出了多源異構數據的融合、共享方式，通過采用知識圖譜技術獲得互聯網中不同網頁的多源異構調度文件，搜索多源異構數據源的特征和屬性集關系，通過數據融合、共享方式建立了數據共享模型，降低了數據融合過程中的能量消耗，處理時間短。